一种新的基于置信距离的冲突证据融合方法

针对传统DS证据理论在处理高冲突证据融合所存在的不足,提出了一种新的冲突证据加权融合方法.该方法充分考虑证据本身的特性和证据间的关系,先引入证据熵来评价证据的质量,对证据进行预处理,再应用证据间的距离计算证据的相似度和证据权重,最后对修正后的证据进行融合.数值算例表明,该方法能够有效地处理高冲突证据融合问题,相比其他改进算法,具有较好的收敛速度和较小的计算量.     

基于证据向量差异度改进的冲突证据融合方法

针对传统Dempster-Shafer证据理论合成高冲突证据时会出现融合结果不合理的问题,提出了一种新的冲突证据加权方法和融合规则。该方法引入证据向量差异度概念对证据冲突系数进行修正,并应用修正后的冲突系数计算证据集互信度矩阵和证据权重,最后对加权修正后的证据进行融合。数值算例表明,该方法可以合理有效地解决冲突证据融合的问题,相比于其他改进方法,具有更快的收敛速度和更强的鲁棒性。     

一种新的证据冲突分析方法

当证据高度冲突时,使用DS组合规则经常会得到错误的结果,因此对DS证据理论的合成方法进行改进成为人们研究的重点.但是如何去度量或确定证据之间冲突的程度却常常被人忽视.在以往的研究中均使用冲突系数k作为表征证据之间冲突的量,但是研究结果表明,k不能很好的描述证据之间的冲突.对表征证据冲突的变量进行了研究,提出了一种新的表征证据之间冲突的变量-关联系数,基于偏熵和混合熵,定义了关联系数,该系数可以定量的表示证据之间的冲突.当关联系数接近1时证据之间冲突很小,当关联系数接近0时证据之间高度冲突.算例验证了所提出的基于关联系数的冲突表示方法的有效性.     

DS证据理论冲突处理新方法*

针对经典DS证据理论在处理高度冲突的证据信息时会产生有悖常理结论的情况,基于证据支持度的思想,引入了证据之间相容系数的概念,并随之引入证据可信度的概念,提出了一种新的证据权重的确定方法;最后运用DS证据理论组合规则进行数据融合.与之前其他处理方法相比,考虑到证据之间冲突与包容共存的情况,客观计算证据的权值,收敛更快,融合结论更符合事实,弥补了经典证据理论的不足,为DS证据理论的改进提供了一条新的途径.     

基于证据价值的冲突证据合成方法

证据理论作为一种不确定性推理,广泛应用于人工智能、信息融合等方面。针对高冲突证据在组合过程中易产生各种与事实相悖的结论,提出了基于证据价值的冲突证据合成方法。此方法首先定义了证据价值的标尺,借用欧氏距离的概念计算证据自身价值,并规则化作为权重,然后引入未知项,修正证据源,再利用D-S合成公式对证据进行合成。实例分析表明,此方法在处理冲突证据时是有效、可行的。     

基于证据可信度的证据合成新方法

Dempster-Shafer理论合成高冲突证据时结果不合常理, 许多改进方法能较好地解决这一问题, 但证据比较一致时, 这些方法性能相对于Dempster-Shafer合成规则较差. 鉴于此, 提出了一种基于证据可信度的证据合成方法.首先建立一个证据距离矩阵, 之后求出系统中各证据到证据集的均方欧式距离, 通过引入可信度函数来获得证据源的可信度因子"并对证据源进行修正, 最后使用Dempster-Shafer合成公式对修正后的证据加以合成. 数值实验结果 表明, 改进后的方法不仅适用于证据高冲突情况, 而且也适用于证据比较一致的情况.     

多传感器冲突信息的加权融合算法

针对在多传感器目标识别系统中,DS规则对高冲突信息融合结果不合理的问题,提出了一种新的加权融合算法.在多源证据信息融合时,首先根据两证据距离大小来确定其相互支持度,将证据支持度矩阵模最大特征值对应的特征向量作为证据的权重向量,然后确定各证据的相对折扣因子,并修正证据信息,最后用DS规则融合.通过实验仿真对比分析了多种方法的融合效果,表明了新方法可以较好的解决高冲突信息融合的问题.     

基于信息熵测度的冲突证据合成方法

为了有效解决冲突证据的融合问题,在计算证据空间冲突向量的基础上,提出了一种基于信息熵测度的冲突证据合成方法.首先计算证据的信息熵获得该证据引起不确定性的度量,用信息熵计算证据空间赋予该证据的信任度,再用获得的信任度对数据模型进行加权处理,最后对处理后的证据运用D-S合成规则获得结果.实验表明该算法有效解决了冲突证据的合成问题,识别精度高、收敛速度快.     

基于D-S证据理论的目标识别融合应用

基于D-S证据理论的目标识别融合系统,可以充分发挥多传感器信息的优势,提高目标识别结果的准确性.本文结合工程实践,分析地面目标融合识别过程中经典D-S证据理论方法处理数据出现的问题,发现使用D-S证据理论对于高冲突证据融合结果准确性较低.因此提出一种基于D-S证据理论的改进数据融合方法,将冲突因子与支持度标准偏差的相反数相乘,再与所有证据和乘积的正交相加,然后减去证据的基本概率的最大差.如果证据的冲突越大,这种方法的优势就越明显.如果证据中不存在冲突,则融合结果与原始D-S证据理论的项目一致.实验的比较数据表明,改进的信息融合方法对于改进解决冲突问题必不可少,并且是有效的.     

D-S证据理论中一种新的冲突证据融合方法

针对D-S证据理论在融合高度冲突的证据时可能导致与直观结果相悖的问题,通过分析现有的几种冲突证据融合方法,提出了一种有效处理冲突证据的融合方法。该方法综合了模型修正和规则修正这两类方法的优点。首先基于冲突系数矩阵计算证据的可信度,并以此作为折扣因子来修正证据结构,然后基于局部冲突、局部分配原则确定证据合成时的冲突分配空间和分配权重。实验结果表明,该方法对合理的合成方向具有较快的收敛速度,同时降低了决策风险。     

一种新的冲突表征下的异类源信息融合算法

异类源信息融合时常遇到证据高度冲突的情况,此时应用传统Dempster-Shafe(rD-S)证据理论进行融合将出现错误的结果。针对以往冲突证据融合研究中使用冲突系数k表征证据之间的冲突程度所存在的不足,提出了一种新的证据冲突表征方法。在此基础上确定证据间的冲突度和相似度,得到证据的权重。对加权修正后的证据利用D-S证据理论进行融合。算例验证表明该方法可以有效地对冲突证据进行融合,收敛效果较好。     

Multi-sensor data fusion based on the belief divergence measure of evidences and the belief entropy

Multi-sensor data fusion technology plays an important role in real applications. Because of the flexibility and effectiveness in modeling and processing the uncertain information regardless of prior probabilities, Dempster–Shafer evidence theory is widely applied in a variety of fields of information fusion. However, counter-intuitive results may come out when fusing the highly conflicting evidences. In order to deal with this problem, a novel method for multi-sensor data fusion based on a new belief divergence measure of evidences and the belief entropy was proposed. First, a new Belief Jensen–Shannon divergence is devised to measure the discrepancy and conflict degree between the evidences; then, the credibility degree can be obtained to represent the reliability of the evidences. Next, considering the uncertainties of the evidences, the information volume of the evidences are measured by making use of the belief entropy to indicate the relative importance of the evidences. Afterwards, the credibility degree of each evidence is modified by taking advantage of the quantitative information volume which will be utilized to obtain an appropriate weight in terms of each evidence. Ultimately, the final weights of the evidences are applied to adjust the bodies of the evidences before using the Dempster’s combination rule. A numerical example is illustrated that the proposed method is feasible and effective in handling the conflicting evidences, where the belief value of target increases to 99.05%. Furthermore, an application in fault diagnosis is given to demonstrate the validity of the proposed method. The results show that the proposed method outperforms other related methods where the basic belief assignment (BBA) of the true target is 89.73%.     

一种自适应冲突证据检验与合成方法

在D-S 证据理论中, 冲突系数不能很好地描述证据之间的冲突, 而且当证据高度冲突时会得到有悖常理的结果. 为了解决该问题, 提出一种自适应冲突证据检验与合成方法. 首先, 利用证据向量夹角余弦度量证据之间的相似性程度, 并提出冲突证据判据, 通过冲突证据检验因子实现证据分类; 然后, 引入冲突比例因子来决定证据的修正方法, 并利用相似度对其进行局部或全局修正; 最后, 将修正后的证据进行检验与合成. 通过应用实例验证了所提出方法的有效性.

     

基于分类优化的离散证据推理

离散信息在专家系统、模式识别、决策分析等领域普遍存在, 为了解决这类信息融合问题, 提出一种离散证据推理方法. 首先, 将每个离散证据拆分成一类单点值证据; 然后, 以冲突最小化为目标修正类内证据, 并采用证据推理进行组合; 最后, 以同样的方法对类间证据进行修正与组合. 所提出方法不仅可以解决离散证据的内外部冲突问题, 而且能够克服运算量过大的问题. 算例分析表明了所提出的方法是合理且有效的.

     

一种分级的DS证据合成策略

该文提出了一种分级的DS证据合成策略,该方法利用证据间的一致性信息将证据分级(体现为可信度),并通过增加低级别证据不确定性的思想修正证据,最后采用DS证据理论对修正后的证据加以合成。由于奇异证据一般而言与其他证据间的一致性较差,依据该文的方法计算得到的可信度低,故增加低级别证据的不确定性可以有效地降低奇异证据对最终合成结果的影响,从而提高合成判决结果的可靠性。仿真实验表明,该方法在解决不一致证据间的合成问题方面体现出良好的适应能力。     

基于相似度动态修正的冲突证据组合方法

针对信息融合中冲突证据组合时易出现的一般冲突、一票否决和鲁棒性等常见问题,有两类改进策略:一类修改DS(Dempster-Shafer)组合规则,另一类修改证据源模型.提出一种基于封闭世界的修改模型方法.引入Jousselme距离函数来量化焦元属性及证据之间的相互关联性,进而计算各证据的支持度.对证据支持度进行加权平均后得到参考证据,利用该参考证据对各原始证据进行不确定性判定,获得各原始证据与参考证据之间的大小相似度和方向相似度.在此基础上建立一个相似度动态修正模型,利用DS组合规则进行证据组合,对动态修正模型的多组组合结果求平均作为最终结果.通过仿真实验验证所提出方法的有效性和合理性.     

A new probability transformation method based on a correlation coefficient of belief functions

The Dempster-Shafer evidence theory is widely used in many fields of information fusion because of its advantage in handling uncertain information. One of the key issues in this theory is how to make decision based on a basic probability assignment (BPA). Currently, a feasible scheme is transforming a BPA to a distribution of probabilities. However, little attention was paid to the correlation between BPA and probability distribution. In this paper, a novel method about the probability transformation based on a correlation coefficient of belief functions is proposed. The correlation coefficient is a new measurement, which can effectively measure the correlation between BPAs. The proposed method aims at maximizing the correlation coefficient between the given BPA and the transformed probability distribution. On the basis of this idea, the corresponding probability distribution can be obtained and could reflect the original information of the given BPA to the maximum extent. It is valid to consider that the proposed probability transformation method is reasonable and effective. Numerical examples are given to show the effectiveness of the proposed method.